← 返回卡片

原书出处

大数据挖掘与统计机器学习

03 第3章 线性分类方法

核验版本的摘录快照 · 导入于 2026-11-18T10:22:02.198Z

ficiency)和渐近正态性(asymptotically normal)。

评价一个模型的好坏往往从两个方面出发:模型的充分性和简洁性。模型的充分性(即模型拟合优度)反映模型的效果,指的是该模型能否充分拟合数据,用模型进行预测是否准确,如线性回归中的R2拟合优度、F 检验等。模型的简洁性反映效率,指模型中不包含作用不显著的变量,用最少的变量和最简单的形式来建立模型

,如对单个变量系数的显著性进行检验等。 对于Logistic回归来说,体现充分性

此预览只包含定位所需的摘录和上下文。

原书定位详情

来源:a19c7933-4eda-4176-aebd-30fe7e1ad292

正文位置:extracted/大数据挖掘与统计机器学习/_epub-src/OEBPS/Text/chapter5_0002.xhtml

EPUB SHA-256:6f2324b41414df46227a4d0ee4cc188eb120a38a798a14be96a3d7d919028c00